粒子群优化的SVM算法在气体分析中的应用

被引：20

作者：

金翠云

崔瑶

王颖

机构：

[1] 北京化工大学信息科学与技术学院

来源：

电子测量与仪器学报 | 2012年 / 26卷 / 07期

关键词：

电子鼻; 粒子群; 支持向量机; 气体定量分析;

D O I：

暂无

中图分类号：

TQ11 [基本无机化学工业]; TP18 [人工智能理论];

学科分类号：

0817 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出一种用于电子鼻气体定量分析的基于粒子群参数优化的SVM算法。引入群能量守恒粒子群算法对SVM模型中的参数进行优化,获得最优参数组合,以减小定量分析中的平均相对误差。实验结果表明,引入群能量守恒的粒子群优化算法(SEC-PSO)对SVM回归模型中的参数进行优化,使参数的确定更为合理,与单纯基于SVM的方法相比平均相对误差由原来的2.17%降低到0.35%,所提出的算法有效地提高了拟合的精度,从而进一步提高预测精度。

引用

页码：635 / 639

页数：5

共 12 条

[1]

群能量守恒粒子群算法及其在发酵过程控制中的应用研究.[D].薛尧予.北京化工大学.2010, 10

[2] 传感器非线性校正的遗传支持向量机方法 [J].